dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
1
6. Prawa wielkich liczb i twierdzenia graniczne
6.1. Rodzaje zbieżności ciągów zmiennych losowych
•
Niech
X
1,
X
2,
oraz X będą zmiennymi określonymi na przestrzeni
probabilistycznej (Ω , Α , P) . Zdefiniujemy teraz różne rodzaje zbieżności ciągu
zmiennych losowej
{
X
n
, n1}
do granicy X. Podamy też związki zachodzące
między tymi typami zbieżności.
Zbieżność punktowa
Mówimy, że ciąg zmiennych losowych
{
X
n
, n1}
jest zbieżny do zmiennej
losowej X punktowo (lub po prostu zbieżny), jeżeli
lim
n ∞
X
n
=
X
dla każdego
∈
.
W rachunku prawdopodobieństwa zbieżność punktowa nie odgrywa szczególnej roli
(jest bardzo ważna w analizie matematycznej)
dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
2
Zbieżność prawie pewna
Mówimy, że ciąg zmiennych losowych
{
X
n
, n1}
jest zbieżny prawie pewnie
(prawie wszędzie, prawie zawsze, z prawdopodobieństwem 1) do zmiennej losowej X,
jeżeli P {∈ : lim
n ∞
X
n
=
X }=1 .
Zbieżność tę oznaczamy symbolem X
n
p.p.
X lub X
n
p.w.
X lub X
n
a.s.
X lub
X
n
1
X lub X
n
X z prawdopodobieństwem 1.
Oczywiście, jeżeli ciąg zmiennych losowych
{
X
n
, n1}
jest zbieżny punktowo do
zmiennej losowej X, to jest on również prawie pewnie zbieżny do zmiennej losowej X.
Stwierdzenie odwrotne nie jest prawdziwe.
dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
3
Zbieżność według prawdopodobieństwa
Mówimy, że ciąg zmiennych losowych
{
X
n
, n1}
jest zbieżny według
prawdopodobieństwa do zmiennej losowej X, jeżeli
dla każdego
0
P {∈ :
∣
X
n
−
X
∣
}
0 , gdy
n ∞
.
Zbieżność tę oznaczamy symbolem X
n
P
X .
Zbieżność słaba (według rozkładu)
Mówimy, że ciąg zmiennych losowych
{
X
n
, n1}
jest zbieżny słabo (według
rozkładu) do zmiennej losowej X, jeżeli lim
n ∞
F
n
x=F x w każdym punkcie x ciągłości
funkcji F, gdzie
F
n
jest dystrybuantą zmiennej losowej X
n
,
n=1, 2 ,
, a F jest
dystrybuantą zmiennej losowej X.
Zbieżność tę oznaczamy symbolem X
n
⇒
X lub X
n
D
X .
dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
4
Zbieżność w L
p
(według p-tej średniej)
Mówimy, że ciąg zmiennych losowych
{
X
n
, n1}
jest zbieżny w L
p
do zmiennej
losowej X, jeżeli
E
∣
X
n
−
X
∣
p
0
, gdy
n ∞
, gdzie
0 p∞
.
Zbieżność tę oznaczamy symbolem X
n
L
p
X .
Spełnione są następujące implikacje:
( X
n
p.p.
X ) ⇒ ( X
n
P
X )
( X
n
L
p
X ) ⇒ ( X
n
P
X )
( X
n
P
X ) ⇒ ( X
n
D
X )
dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
5
6.2. Prawa wielkich liczb
Niech
{
X
n
, n1}
będzie dowolnym ciągiem zmiennych losowych. Niech
S
n
=
∑
i=1
n
X
i
oznacza sumę (n-tą sumę częściową) zmiennych losowych
X
1
, X
2
, , X
n
.
Będziemy mówić, że ciąg zmiennych losowych
{
X
n
, n1}
spełnia słabe prawo
wielkich liczb (SPWL), jeżeli istnieją ciągi liczb rzeczywistych {A
n
, n1}
i {B
n
, n1} i B
n
0 , n1 , takie, że
S
n
−
A
n
B
n
P
0 ,gdy
n ∞
.
Będziemy mówić, że ciąg zmiennych losowych
{
X
n
, n1}
spełnia mocne prawo
wielkich liczb (MPWL), jeżeli istnieją ciągi liczb rzeczywistych {A
n
, n1}
i {B
n
, n1} i B
n
0 , n1 , takie, że
S
n
−
A
n
B
n
p.p.
0 , gdy
n ∞
.
dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
6
Oczywiście jeśli ciąg zmiennych losowych
{
X
n
, n1}
spełnia MPWL to spełnia
również SPWL. W szczególności przyjmuje się, że A
n
=
ES
n
=
∑
i=1
n
EX
i
i B
n
=
n .
Twierdzenie 6.1. (SPWL Bernoulliego)
Jeżeli p jest prawdopodobieństwem sukcesu w ciągu n niezależnych doświadczeń
Bernoulliego, natomiast S
n
jest liczbą sukcesów, czyli P S
n
=
k =
n
k
p
k
1− p
n−k
,
k =0,1, 2 , , n , to
S
n
n
P
p , gdy
n ∞
.
dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
7
Twierdzenie 6.2. ( SPWL Czebyszewa)
Niech
{
X
n
, n1}
będzie dowolnym ciągiem niezależnych zmiennych losowych
takim, że EX
n
=
a
n
, E X
n
−
a
n
2
=
n
2
∞
,
n1
. Jeżeli
1
n
2
∑
i=1
n
i
2
0
, gdy
n ∞
,
to
S
n
−
ES
n
n
P
0 , gdy
n ∞
.
Zauważmy, że jeżeli wariancje
i
2
są wspólnie ograniczone, tzn. istnieje takie
2
,
że σ
i
2
≤σ
2
, dla
i1
, to warunek
1
n
2
∑
i=1
n
i
2
1
n
2
∑
i=1
n
2
n
2
n
2
=
2
n
0 , gdy
n ∞
jest spełniony, czyli zachodzi SPWL.
dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
8
Twierdzenie 6.3. (SPWL Poissona)
Niech
{
X
n
, n1}
będzie dowolnym ciągiem niezależnych zmiennych losowych
takim, że P X
n
=
1= p
n
, P X
n
=
0=1− p
n
,
0 p
n
1
,
n1
. Wtedy
S
n
−
ES
n
n
P
0 , gdy
n ∞
.
Twierdzenie 6.4. (
SPWL Chinczyna
)
Niech
{
X
n
, n1}
będzie dowolnym ciągiem niezależnych zmiennych losowych
o jednakowym rozkładzie takim, że E
∣
X
1
∣
∞
i
EX
1
=
m
. Wtedy
S
n
−
ES
n
n
=
S
n
n
−
m
P
0 , czyli
S
n
n
P
m , gdy
n ∞
.
dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
9
Twierdzenie 6.5. (MPWL Borela)
Jeżeli P S
n
=
k =
n
k
p
k
1− p
n−k
,
k =0, 1, 2 , , n
, to
S
n
n
p.p.
p , gdy
n ∞
.
Twierdzenie 6.6. (MPWL Kołmogorowa)
Niech
{
X
n
, n1}
będzie dowolnym ciągiem niezależnych zmiennych losowych.
Niech {b
n
, n1} będzie dowolnym ciągiem niemalejących liczb rzeczywistych takim,
że
b
n
∞
, gdy
n ∞
. Jeżeli
∑
n=1
∞
VarX
n
b
n
2
∞
, to
S
n
−
ES
n
b
n
2
p.p.
0 , gdy
n ∞
.
W szczególności, jeżeli
∑
n=1
∞
VarX
n
n
2
∞
, to
S
n
−
ES
n
n
p.p.
0 , gdy
n ∞
.
dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
10
Twierdzenie 6.7. (
MPWL Kołmogorowa
)
Niech
{
X
n
, n1}
będzie dowolnym ciągiem niezależnych zmiennych losowych
o jednakowym rozkładzie, takim, że E
∣
X
1
∣
∞
i
EX
1
=
m
. Wtedy
S
n
−
ES
n
n
=
S
n
n
−
m
p.p.
0 , czyli
S
n
n
p.p.
m , gdy
n ∞
.
6.3. Twierdzenia graniczne
Twierdzenia graniczne dotyczą granicznego zachowania się rozkładów sum
zmiennych losowych. Dzielimy je na dwie grupy:
–
lokalne twierdzenia graniczne;
–
integralne twierdzenia graniczne.
Lokalne twierdzenia graniczne dotyczą granicznego zachowania się ciągu funkcji
gęstości lub ciągu prawdopodobieństw.
Integralne twierdzenia graniczne dotyczą rozkładów sum zmiennych losowych.
dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
11
Dokładniej, twierdzenia te podają warunki na to, aby
S
n
−
A
n
B
n
⇒
X ,
gdzie X jest pewną zmienną losową,
S
n
=
X
1
X
n
, n1 , {A
n
, n1} ,
{
B
n
, n1} , B
n
0 są pewnymi ciągami liczb rzeczywistych.
Szczególnie ważną rolę odgrywają twierdzenia podające warunki na zbieżność
(według rozkładu) do zmiennej losowej o standardowym rozkładzie normalnym N 0,1 .
Twierdzenia te nazywamy centralnymi twierdzeniami granicznymi.
Twierdzenie 6.7. (Poissona)
Jeżeli P S
n
=
k =
n
k
p
n
k
1− p
n
n−k
,
k =0,1, 2,... , n
, 0 p
n
1
oraz
np
n
0
, gdy
n∞
, to
lim
n ∞
P S
n
=
k =
k
k!
e
−
, k =0, 1,2, ... .
dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
12
Twierdzenie 6.8.
(Centralne twierdzenie graniczne Lindeberga-Levy'ego)
Niech
{
X
n
, n1}
będzie dowolnym ciągiem niezależnych zmiennych losowych
o jednakowym rozkładzie, takim, że EX
1
=
m , E X
1
−
EX
1
2
=
2
∞
.
Wtedy dla dowolnego
x ∈R
P
(
S
n
−
ES
n
√
VarS
n
⩽
x
)
=
P
(
S
n
−
nm
σ
√
n
⩽
x
)
→Φ(
x) , gdy
n∞
,
gdzie x jest dystrybuantą standardowego rozkładu normalnego.
Twierdzenie 6.9.
(Twierdzenie de Moivre'a-Laplace'a)
Jeżeli P S
n
=
k =
n
k
p
k
1− p
n−k
,
k =0,1, 2,... , n
, to dla dowolnych
a , b∈R
,
a<b , lim
n ∞
P
a
S
n
−
np
npq
b
=
b− a
dr Tomasz Walczyński –
Statystyka (I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 6. cz. II (26.03.2014 r.)
13
6.4. Podstawowe nierówności
Podamy teraz podstawowe nierówności stosowane w rachunku prawdopodobieństwa.
Nierówność Markowa: dla każdego ε>0 P(∣X∣⩾ε)<
E
∣
X
k
∣
ε
k
, k >0 .
Nierówność Czebyszewa: dla każdego ε>0 P(∣X −EX∣⩾ε)≤
E ( X −EX )
2
ε
2
=
VarX
ε
2
.
Nierówność Jensena:
E X EX
, gdzie
jest funkcją wypukłą
Nierówność Höldera:
E
∣
XY
∣
E
∣
X
∣
p
1
p
E
∣
Y
∣
q
1
q
jeżeli
1
p
+
1
q
=
1, p>1, q>1.
Nierówność Schwartza:
(
E
∣
(
XY )
∣
)
2
⩽
E
∣
X
∣
2
E
∣
Y
∣
2
Nierówność Lapunowa: E∣X∣
a
1
a
E∣Y∣
b
1
b
,
0ab∞